DESAIN KONTROLER ADAPTIF JARINGAN SYARAF TIRUAN UNTUK PENGATURAN KECEPATAN STASIONER PADA MESIN BENSIN

Abstract

Abstrak

Kecepatan stasioner dapat dijadikan sebagai acuan untuk mengetahui performansi dari mesin bensin. Kecepatan stasioner yang terlalu cepat akan menyebabkan pemakaian bahan bakar semakin boros. Sedangkan kecepatan stasioner yang terlalu lambat akan menyebabkan tenaga yang dihasilkan oleh putaran mesin kecil, sehingga kendaraan tidak mampu untuk menghidupkan aksesoris-aksesoris kendaraan bahkan kendaraan dapat mati. Oleh karena itu diperlukan sebuah pengontrolan agar kecepatan stasioner tetap dalam keadaan yang ideal, sehingga diperoleh performansi mesin yang baik. Pada penelitian ini menggunakan kontroler adaptif jaringan syaraf tiruan untuk mengatur kecepatan mesin saat keadaan stasioner terhadap gangguan berupa torsi beban yang diwakilkan oleh sinyal step, square dan random. Struktur jaringan yang digunakan adalah NARX (Nonlinear AutoRegressive Exogeneous). Algoritma pelatihan yang digunakan adalah metode Levenberg Marquardt. Model mesin bensin dan kontroler adaptif jaringan syaraf tiruan disimulasikan dengan software komputasi. Berdasarkan hasil simulasi, kontroler adaptif jaringan syaraf tiruan mempunyai performansi lebih baik dibandingkan dengan kontroler PID dalam mempertahankan kecepatan stasioner mesin dengan nilai IAE untuk gangguan step sebesar 71,77, nilai IAE untuk gangguan square sebesar 191 dan nilai IAE untuk gangguan random sebesar 243,8.

Kata kunci: Mesin bensin, kecepatan stasioner, adaptif jaringan syaraf tiruan

Abstract

Idle speed can be used as reference to determine the performance of gasoline engine. When idle speed is too fast, engine use fuel more wasteful. When the idle speed is too slow, it will cause the engine power become small, so the vehicle accessories can’t turn on. Therefore we need to control idle speed under ideal condition in order to obtain good engine performance. In this study, adaptive neural network controller was used to control the idle speed of engine against various load torque disturbance that was represented by step, square and random signals. Nonlinear Auto Regressive Exogeneous (NARX) was used as network structure and Levenberg Marquardt method was used as training algorithm. Gasoline engine model and adaptive neural network controller was simulated using computation software. Based on the simulation results, adaptive neural network controller has better performance than PID controller in maintaining idle speed with IAE value 71.77 for step signal disturbance, 191 for square signal disturbance  and 243.8 for random signal disturbance.

Keywords: Gasoline engine, idle speed, adaptive neural network